python - R 的 %in% 函数的 python 版本

Question

我有一个“因素”的一维整数数组，这意味着不同的东西。有时多个数字表示同一件事:

import numpy as np

vec  = np.arange(1, 10)
comps = {
  'good': (3,),
  'bad': (4, 5, 9,),
  'ok': (2, 3,)
}

result = {}
for name in comps.keys():
    result[name] = np.zeros(len(vec), 'bool')
    for i, v in enumerate(vec):
        result[name][i] = v in comps[name]

这是期望的输出。然而，随着 vec 变大并且 comps 中的键数增加，这变得非常慢。另外，它令人讨厌......在 R 中有 %in% 函数:

vec = 1:10
comp = list(
    good = 3,
    bad = c(4:5, 9),
    ok = 2:3
)

lapply(comp, function(x) vec %in% x)

它在左侧的每个值与右侧的每个值之间进行逐元素比较，并将“逻辑或”结果作为与 vec 长度相同的 bool 向量返回。

我可以使用 pandas 变得更近更干净:

import pandas as pd

DF = pd.DataFrame({'vec': vec})

result = {}
for name in comps.keys():
    result[name] = DF.vec.apply(lambda x: x in comps[name])

类似于this question...但我想要元素数组而不是单个 bool 值作为结果。

在 python 中执行此操作的最佳方法是什么？ (numpy？ Pandas ？)

Answer 1

您可以使用字典理解(和 Series isin 方法)创建它:

pd.DataFrame({k: df.vec.isin(v) for k, v in comps.iteritems()})